[发明专利]一种基于改进Apriori算法的配电网预警方法

摘要

本发明一种基于改进Apriori算法的配电网预警方法，属于电力系统配电网预警领域，本发明具有思路清晰，算法简便，工作量较少，执行效率高的特点；本发明针对现有技术的缺陷，利用数据挖掘技术对历史数据进行挖掘，并在线监测实时数据，来判断当一个指标越线时，预测未来一段时间内会有那些指标可能会越线，并发出预警；克服了以往只能计算出当前一种指标越线的情形。

主权项

1.一种基于改进Apriori算法的配电网预警方法，其特征在于，包括以下步骤：步骤1、采集配电网的多组历史故障数据和历史气象数据，并建立原始数据库；步骤2、实时采集配电网中不同区域的配电网数据和气象数据，所述的配电网数据包括母线电压、支路潮流、电缆分接头温度、负荷容量和元件是否发生故障；所述的气象数据包括异常温度值、强降雨量、强降雪量、雷电等级和冰灾等级；步骤3、根据实时采集的配电网数据，获得配电网各项预警指标，包括母线电压临界指标、支路潮流越限指标、电缆分接头温度临界指标和负荷临界指标；步骤4、根据所获配电网各项预警指标和气象数据，判断实时采集的数据是否存在越限配电网数据或异常气象数据，若是，则执行步骤5，否则，返回执行步骤3；所述的判断实时采集的数据是否存在越限配电网数据或异常气象数据，具体为：判断配电网中每个地区中的每条母线的电压临界指标是否超过设定值，若是，则为越限配电网数据，否则，正常；判断每个地区中的每条支路潮流越线指标是否超过设定值，若是，则为越限配电网数据，否则，正常；判断每个地区中的每个电缆分接头温度临界指标是否超过设定值，若是，则为越限配电网数据，否则，正常；判断元件是否有故障，若是，则为越限配电网数据，否则，正常；判断每个地区中的每条负荷临界指标是否超过设定值，若是，则为越限配电网数据，否则，正常；判断异常温度值是否超过设定值，若是，则为异常气象数据，否则，正常；判断强降雨量是否超过设定值，若是，则为异常气象数据，否则，正常；判断强降雪量是否超过设定值，若是，则为异常气象数据，否则，正常；判断雷电等级是否超过设定等级，若是，则为异常气象数据，否则，正常；判断冰灾等级是否超过设定等级，若是，则为异常气象数据，否则，正常；步骤5、采用改进的Apriori数据挖掘算法，在原始数据库获取与越限配电网数据或异常气象数据相关联的其他指标；步骤5‑1、将母线电压临界指标、支路潮流越限指标、电缆分接头温度临界指标、元件故障情况、负荷临界指标和各类气象数据构成项目集合；步骤5‑2、在原始数据库中获取历史故障数据和历史气象数据，将每组历史数据构成一个事务，所有组历史数据构成全体事务；所述的事务为项目集合的一个非空子集；步骤5‑3、根据实际需求，设置最小支持事务数；步骤5‑4、对全体事务进行压缩，即在全体事务中，删除与越限配电网数据和异常气象数据无关的事务，获得候选1‑项集，所述的候选1‑项集中包含每个项目对应的事务，在候选1‑项集中删除事务数小于最小支持事务数的项目，获得频繁1‑项集；步骤5‑5、将频繁1‑项集中的两两项取交集，获得候选2‑项集，所述的候选2‑项集中包含同时支持两个项的事务，在候选2‑项集中删除同时支持两个项的事务数小于最小支持事务数的项集，获得频繁2‑项集；步骤5‑6、将频繁2‑项集中每项与频繁1‑项集中每项取交集，获得候选3‑项集，所述的候选3‑项集中包含同时支持三个项的事务，在候选3‑项集中删除同时支持三个项的事务数小于最小支持事务数的项集，获得频繁3‑项集；步骤5‑7、根据步骤5～6的过程，以此类推，将频繁k‑1‑项集中每项与频繁1‑项集中每项取交集，获得候选k‑项集，在候选k‑项集中删除同时支持k个项的事务数小于最小支持事务数的项集，获得频繁k‑项集，直到不再有频繁项集产生；步骤5‑8、根据获得的最终频繁k‑项集，从频繁k‑项集中找出置信度大于最小置信度的强关联规则，确定与越限配电网数据和异常气象数据相关联的其他指标，并对原始数据库进行更新；步骤6、将获得的与越限配电网数据和异常气象数据相关联的其他指标进行显示，提示调度人员采取措施。